NVIDIAとPalantir、サプライチェーン向けに主権AIスタックを展開

Palantir Technologies (PLTR ) と NVIDIA は 2026年9月10日、協力を発表しました。この協力は、主権AIを重要なサプライチェーンに導入するもので、AIスタックはまず NVIDIA 自社のサプライチェーン運用に展開されます。展開により、NVIDIA Nemotron のオープンモデルが Palantir Foundry と人工知能プラットフォーム（AIP）に組み込まれ、Palantir Ontology に基づく AI スタックが構築されます。

発表によると、このスタックはサプライチェーンの可視化を実現し、制約を特定し、運用ノウハウを継続的にコード化し、組織が所有するプロプライエタリーデータの管理と所有権を保持しながら、機械速度で意思決定を導くことを目的としています。Palantir AIP 内では、NVIDIA cuOpt ソフトウェアが最適化とシナリオプランニングを支援し、チームがサプライチェーンの制約をモデル化し、トレードオフを評価し、割り当て決定の運用影響を理解できるようにします。事後学習された Nemotron オープンモデルは行動を推奨し、トレードオフを説明し、出現リスクにフラグを立てますが、最終的な意思決定はサプライチェーンの専門家が保持します。

NVIDIA は、何百万もの部品、数千のサプライヤー、そしてグローバルな製造パートナー網を抱える、世界で最も複雑なサプライチェーンの一つを運用していると述べています。ラック規模の AI システムを本番環境に導入するには、コンピュート、メモリ、ネットワーキング、電力、冷却、機械部品の協調的な供給が必要であり、同社はエコシステムと緊密に連携して、各 Vera Rubin ラックにおける 130 万部品の供給確保に努めているとしています。

The NVIDIA Deployment From Wafer-Out to First Token

2026年9月10日付けのNVIDIA テクニカルブログ記事（執筆者：NVIDIA ソリューションアーキテクト Nell Barber、Rana Haber、Aastha Jhunjhunwala）では、展開のメカニズムが詳述されています。NVIDIA はサプライチェーンのパフォーマンスを wafer‑out から first token までで測定します: time‑to‑rack はシリコンがファブを出てからデータセンターのフロアに組み立てられたシステムが到着するまでの時間で、time‑to‑token は電力、冷却、ネットワーキング、そしてインフラを生産的にするソフトウェアスタックを含みます。1 つの Grace Blackwell NVL72 コンピュートトレイ（1 ラックに 18 個のうちの 1 個）には、2 つの Grace CPU、4 つの Blackwell GPU、32 個の HBM3e スタックが必要です。Vera Rubin 用に構築されたサプライチェーンは、Grace Blackwell の 2 倍の規模であると記事は述べています。

受託製造業者は、3 つのプールのいずれかから部品がすべて揃うまで組み立てを開始できません: NVIDIA 直送部品、NVIDIA が委託在庫として保有する部品、サプライヤーからの部品です。NVIDIA は「Time of Ownership」時計を、製造拠点が資材を受領した瞬間からサブアセンブリまたは製品の一部として出荷されるまで走らせます。毎週、各製造拠点へどの資材をどれだけ割り当てるかを決定しなければならず、これはプランナーが手作業で週次に再検討する重要な資材割り当て問題で、割り当ては現在の四半期と次の四半期にまたがります。

NVIDIA のサプライチェーン運用チームは Palantir と協力し、Palantir Foundry 上に Digital Supply Chain Intelligence コマンドセンターを構築しました。Ontology は資材、製造拠点、コミット、容量、割り当て、生産出力、非構造化定性シグナルを 1 つの統治データ層に接続します。GPU 加速型意思決定最適化のオープンソースライブラリである NVIDIA cuOpt は Ontology から入力を取得し、週次割り当てを「Time of Ownership」を最小化する混合整数線形計画問題として解きます。ソルバーはどの制約が拘束的かも報告し、計算が高速なため、プランナーはメモリを 10% 削減したシナリオや新規製造拠点の稼働開始など、解答周辺のシナリオを自由に検討できます。

過去の割り当て決定と実際の結果をバックテストしたところ、プランナーはソルバーが見えない情報―その週のパートナーとのメール、主要地域の厳しい天候予報、進行中の地政学的イベント、サプライヤーのブリーフィング記録、蓄積された数年分の専門知識―を活用してソルバーを上回る成果を上げていることが分かりました。したがって、ワークフローは各割り当て決定、その根拠、期待結果、実際の結果をすべて記録します。

NVIDIA は、取得した決定データを用いてオープンウェイトの Nemotron 3.5 Lightning モデル（パラメータ数 300 億、フォワードパスあたり約 30 億がアクティブ）を事後学習させました。パイプラインは NeMo Anonymizer で個人情報を除去し機密フィールドを曖昧化、NeMo Data Designer で合成データを用いて例を拡張・バランス調整、NeMo AutoModel でベースウェイトを凍結したまま少数の LoRA アダプターパラメータを学習します。Palantir Autopilot がライフサイクル全体を管理し、Ontology データからジョブを起動し、デプロイされたモデルを監視し、データからモデルバージョン、推奨までの系譜を保持します。

Reported Benchmark Results

NVIDIA の開発ベンチマークにおいて、事後学習された Lightning モデルは割り当て決定精度 86.7% を達成しました。これは、より大きな Nemotron 3 Ultra が 55.5%、ベース Lightning が 17.5% だったことと比較されます。決定タイプを均等に重み付けした指標では、事後学習モデルはバランス精度 58.6%（Ultra の 42.0%）と、Macro‑F1 57.5%（Ultra の 39.5%）を記録しました。LoRA 学習は 2 台の NVIDIA B200 GPU 上で数分で完了しました。ブログでは、モデルの性能向上は事後学習されたドメインに集中しており、ファインチューニングにもかかわらず将来の生産リスク予測は依然として困難であると述べられています。

受け入れられ、編集され、上書きされた推奨は Ontology に書き戻され、次の統治トレーニング実行を正当化できるだけの代表的データが蓄積されるまで蓄積されます。両社はこのフィードバックを強化学習に活用する計画で、受け入れられた推奨と上書きされた推奨が割り当ての正確性、ポリシー遵守、エビデンスの根拠をカバーする嗜好ペアを形成します。モデルは本番環境で自己再学習することはありません。

この展開は NVIDIA のリファレンスアーキテクチャと、共同で開発された Palantir Sovereign AI Operating System Reference Architecture（SAIOS）上で動作し、Dell Technologies (DELL ) と Cisco がサポートしています。AI スタックは Cisco や Dell などのシステムメーカーと共にオンプレミスで展開できるほか、Rackspace や Nebius を利用したコロケーションやクラウド環境でも展開可能です。

「NVIDIA は世界で最も価値が高く、複雑で入り組んだサプライチェーンを有していると言えるでしょう。我々の主権スタックは Nemotron モデルと Ontology に支えられ、フロンティアを超える機能を提供すると同時に、他では得られないアルファ保護特性を実現しています」と Palantir Technologies の共同創業者兼 CEO Alex Karp は述べています。

「サプライチェーンは物理経済のオペレーティングシステムであり、AI ファクトリーはこれまでに構築された中で最も複雑なシステムの一つです」と NVIDIA の創業者兼 CEO Jensen Huang は語ります。

両社は、NVIDIA の展開から得られた知見を製造、エネルギー、ヘルスケア、自動車、航空宇宙の企業へ拡大する計画であり、農業、製造、医薬、リテール、テクノロジー、政府機関が AI スタックを活用して自社のサプライチェーン運用を最適化できると発表しています。AI スタックとその産業横断的な活用例は、Palantir の AIPCon 11 カンファレンスで紹介される予定です。